Optimasi hidrografi data dengan memanfaatkan model laut dalam upaya mendukung program tol laut Dian N Handiani
Biodata Penulis Nama Jenis kelamin Pendidikan Keahlian
: : : :
Pekerjaan Institusi
: :
Alamat institusi No. HP
: :
Dian Noor Handiani Perempuan Doktor Oseanografi, Pengelolaan Lingkungan, dan GeosainsPaleoiklim Dosen Jurusan Teknik Geodesi, Institut Teknologi Nasional, Bandung Jl. PHH. Mustafa No. 23 Bandung, Jawa Barat +62-812-214-6162
Optimasi hidrografi data dengan memanfaatkan model laut dalam upaya mendukung program tol laut
Abstract Successful sea highway development can bring efficiency to maritime transportation in Indonesia. Elements important to sea highway development are short and reliable routes, as well as compatible port infrastructure. Hydrography through ocean survey can help to fulfil these elements optimally. In the other hand, ocean model can complete the survey within economical scheme. Integration between survey and model result becomes ocean information system, which includes the elements of sea highway development. The system has been used in many developed countries. Governments and institutes of these countries planned carefully and then implemented the system gradually. Later on, the user benefits from it. With this system, the maritime transportation organizes more, reduces the cost, and less accidents happen.
Abstrak Suksesnya pengembangan tol laut diharapkan dapat membantu terciptanya efisiensi sistem transportasi maritim di Indonesia. Elemen-elemen utama dalam pengembangan tol laut adalah tersedianya rute yang terjadwal, serta sarana dan prasarana dermaga yang layak. Keilmuan hidrografi melalui aplikasi survei hidrografi belum bisa mendukung ketersediaan elemen tersebut secara optimal. Melalui pengembangan model laut diharapkan dapat menjadi solusi yang bersifat ekonomis untuk melengkapi hasil survei. Beberapa negara maju telah membuat sistem yang mengintegrasikan antara hasil survei dan model laut. Sistem direncanakan dan dibuat secara bertahap dengan kolaborasi antara pemerintah dan institusi penelitian, yang hasilnya kemudian dapat digunakan oleh user dengan mudah. Sistem pelayaran pun lebih terorganisir, ekonomis, dan mengurangi bahaya kecelakaan.
1. Pendahuluan Terciptanya sistem transportasi maritim Indonesia yang efisien dapat membantu dalam mewujudkan cita-cita bangsa Indonesia sebagai poros maritim dunia. Efisiensi dalam sistem ini diharapkan tercipta melalui pengembangan konsep tol laut. Tol laut yang dicanangkan oleh Presiden Jokowi bertujuan menghubungkan jalur pelayaran secara rutin dari wilayah timur ke wilayah barat Indonesia. Dengan adanya pelayaran yang terjadwal, biaya logistik pelayaran dapat
diminimalisasi. Pengembangan tol laut mencakup: perencanaan trayek dan subsidi angkutan laut, revitalisasi pelayaran rakyat dan pengembangan industri komoditi wilayah (Bappenas, 2015). Kesuksesan berjalannya tol laut bergantung pada ketersedian elemen-elemen pengembangan tol laut. Berdasarkan peruntukkannya, pengembangan tol laut terbagi atas dua bagian: tol laut bagi peti kemas dan tol laut penumpang dan kapal pesiar (Bappenas, 2015). Elemen-elemen tol laut untuk pelayaran peti kemas seperti penyusunan rute pelayaran terjadwal, pengembangan pelabuhan dan sarana serta prasarana navigasi sangat terkait erat dengan survei hidrografi. Peta kedalaman laut (batimetri) adalah hasil utama dari survei hidrografi. Data batimetri tersebut sangat diperlukan dalam pengembangan dermaga baru ataupun pemeliharaan dermaga yang telah ada. Ketersediaan dan pemeliharaan data menjadi sangat penting. Sebagai contoh, suatu dermaga dirancang dengan kondisi batimetri tertentu, berdasarkan jenis kapal yang dilayani. Dikarenakan operasional keluar-masuk kapal di pelabuhan sangat dipengaruhi oleh kondisi batimetri, maka kedalaman laut di sekitar pelabuhan mesti terjaga. Selain itu, batimetri juga dibutuhkan dalam menentukan rute pelayaran kapal dan lokasi pemasangan rambu-rambu laut. Optimasi rute dan tersedianya rambu-rambu laut akan melancarkan kapal yang melakukan pelayaran dan mengurangi bahaya terjadinya kecelakaan. Saat ini, ketersediaan informasi hidrografi untuk perairan nasional masih belum maksimal. Umumnya, data seperti batimetri, pasang surut, arus dan gelombang laut, serta kondisi angin telah tersedia. Akan tetapi cara penyajian, cakupan, resolusi, akses, dan ketersediaan prakiraan tidak memudahkan pengguna. Sebagai contoh perbandingan ketersediaan data secara nasional dan internasional, dijelaskan dalam Poerbandono (2015). Secara nasional: peta batimeri disajikan dalam bentuk peta cetak, cakupan data sesuai nomor peta, resolusinya sesuai dengan skala peta, dan cara mendapatkannya dengan membeli. Sedangkan secara global: peta disajikan secara digital (dapat diakses melalui internet), cakupan seluruh dunia, dan bisa didapatkan langsung dengan mengunduh. Pihak internasional bahkan dapat menyediakan data realtime beserta perkiraan untuk beberapa hari ke depan. Penggunaan keluaran model laut secara efisien dapat menjadi strategi ekonomis untuk melengkapi dan memaksimalkan ketersediaan data hidrografi tersebut. Hasil model dapat menggambarkan perubahan parameter fisik laut secara time series dan memiliki cakupan lebih detil dibandingkan survei atau observasi (Gb. 1). Data saat ini dan perubahan di masa datang dapat diprediksi sehingga data dapat terus menerus tersedia. Uji kelayakan bisa atau tidaknya model digunakan sebagai prediksi juga harus dilakukan. Kelayakan model ditentukan dengan membandingkan hasil model dengan observasi. Limit akurasi model juga ditetapkan, sehingga kualitas hasil model akan terjaga.
Melalui studi pustaka ini penulis bertujuan untuk memperlihatkan keunggulan model laut sebagai pendukung ketersediaan data hidrografi. Ketersediaan data hidrografi yang baik diharapkan dapat mendukung pengembangan tol laut dan juga tercapai tujuan akhir yaitu menjadikan Indonesia sebagai poros maritim dunia. Tulisan ini terbagi menjadi beberapa bagian: pendahuluan, konsep hidrografi, survei laut, dan model laut, contoh aplikasi bagaimana model laut dimanfaatkan untuk memenuhi ketersediaan data hidrografi, dan diakhiri dengan kesimpulan.
Gambar 1. Perbandingan antara pengukuran temperatur laut metode survei dan perhitungan model laut. Observasi mengukur temperatur beberapa meter di sekitar permukaan air (kiri), sedangkan model mengukur di atas permukaan air (kanan). Ilustrasi oleh Kevin Cowtan, sumber laman: https://www.theguardian.com/environment/climate-consensus-97-per-cent/ 2015/jul/31/climate-models-are-even-more-accurate-than-you-thought (Akses 28 Juni 2016)
2. Hidrografi Hidrografi adalah ilmu yang mempelajari dan menggambarkan bentuk fisik bagian permukaan bumi yang dilingkupi air, termasuk daratan yang berbatasan dengan perairan (Poerbandono & Djunarsjah, 2005; International Hydrographic Organization, 1994, 2009). Permukaan bumi yang dilingkupi air mencakup: permukaan dan kolom air, juga dasar perairan, serta perubahan parameter tersebut terhadap waktu.
Aplikasi pengetahuan hidrografi adalah survei hidrografi atau survei laut. Umumnya survei laut menerapkan teknologi akustik dasar laut melalui penggunaan echosounder. Teknologi ini
memanfaatkan proses perambatan suara pada medium air yang kemudian memberikan informasi dasar perairan dan penentuan posisi di perairan. Perkembangan teknologi saat ini juga memungkinkan survei dengan menggunakan teknologi remote sensing dengan memanfaatkan satelit yang dilengkapi oleh LIDAR (light detection and ranging), perangkat optik jarak jauh yang mengukur properti cahaya untuk menentukan jarak. Skema sederhana di Poerbandono (2015) mengilustrasikan pemanfaatan teknologi dalam survei laut (Gb. 2).
Gambar 2. Teknologi pendukung survei laut: perangkat navigasi sistem global, pengukuran batimetri dengan menggunakan laser dari udara (airborne laser bathymetry) dan echosounder (multi beam echo sounder) dibantu dengan peta navigasi elektronik (electronic navigation chart) dan penentu posisi bawah air (Underwater positioning system), serta model laut (ocean modelling) dan wahana bawah air (underwater vehicles), sumber: Poerbandono (2015).
Hasil utama dari survei tersebut adalah data topografi dasar laut (batimetri), dan khususnya direferensikan bagi penggunaan navigasi laut. Untuk memperoleh peta batimetri yang akurat, diperlukan pengamatan pasang surut. Profil kontur pada peta batimetri juga harus terdefinisi dengan baik terhadap muka laut rata-rata (mean sea level, MSL) dan peta informasi kedalaman laut (chart datum). Informasi lain yang didapatkan dari survei adalah sifat atau kondisi dari topografi dasar laut (contoh: pasir, lumpur, dan batuan). Informasi tersebut berguna bagi kegiatan pengerukan dasar laut, pembangunan struktur dasar laut: pipa dan kabel, dan penggunaan jangkar
bagi penambatan kapal. Sehingga hasil survei laut diharapkan mencakup: batimetri, kondisi pasang surut, arus dan gelombang laut, arah dan besaran angin, serta kondisi dari topografi dasar laut.
3. Model laut Model laut yang dimaksud disini adalah model hidrodinamika laut. Model tersebut merupakan model yang merepresentasikan gerak air laut yang dipengaruhi oleh gaya internal dan eksternal. Pergerakan air tersebut diformulasikan secara matematis, yang mana mencakup: persamaan kontinuitas dan momentum (gerak) (contoh: Kowalik dan Murti, 1993; Rivera, 1997) atau dikenal juga persamaan Navier Stokes. Formulasi dapat diaplikasikan pada domain kajian dengan sistem koordinat kartesian dua dimensi (2-D) dan tiga dimensi (3-D), dari sini dikenal model laut 2-D atau 3-D. Model laut 2-D menggambarkan sistem pergerakan air dalam arah-x dan y dengan kedalaman kolom air yang dirata-ratakan, dan biasanya diaplikasikan di perairan laut dangkal (NOAA, 2016). Sedangkan model 3-D dengan memperhitungkan kedalaman (koordinat-x, y, dan z), ilustrasi Gb. 3.
x Gambar 3. Penampang vertikal dari kecepatan kedalaman (z) terhadap sumbu horizontal arah-x. Kecepatan pada model 2-D (kiri) akan sama pada semua kedalaman, sedangkan model 3-D berbeda di setiap kedalamannya (kanan), sumber laman: http://www.learnthermo.com/T1tutorial/ch05/lesson-A/pg04.php (Akses 28 Juni 2016). Selanjutnya, persamaan sesuai domain kajian model dihitung menggunakan metode numerik dengan bantuan komputasi. Akan tetapi, komputer hanya dapat menghitung persamaan secara diskrit. Sehingga dilakukan diskritisasi pada domain model. Diskritisasi adalah proses yang membagi domain model ke dalam grid-grid berukuran kecil yang disebut juga sebagai mesh atau cell.
Umumnya ada dua tipe pembagian bentuk grid: grid beraturan (structured grid) dan grid tidak beraturan (unstructured grid). Bentuk grid ini menjadi salah satu faktor dalam menentukan pemilihan metode numerik. Persamaan di domain model dengan grid beraturan diselesaikan dengan metode numerik “beda hingga” dan untuk grid tidak beraturan dengan metode “beda elemen” atau “beda volume”, ilustrasi Gb. 4. Pengembangan metode numeric menggunakan metode beda elemen menghasilkan grid dengan resolusi besar dan bentuk yang merepresentasikan kondisi sebenarnya.
Kondisi ini menjadikan model semakin baik, walau konsekuensinya akan membutuhkan waktu perhitungan komputer yang cukup lama.
Disesuaikan dengan parameter yang diperhitungkan dan kondisi perairan, model dapat diaplikasikan secara “barotropik” dan “baroklinik”. Kondisi barotropik adalah kondisi dimana kajian sistem mengalami percampuran air sempurna (well-mixed); variasi temperatur dan salinitas air laut dapat diabaikan. Sedangkan jika memasukkan variabel densitas dengan memperhitungkan variasi temperatur dan salinitas, maka model diaplikasikan secara baroklinik, umumnya untuk kajian di perairan dalam.
Gambar 4. Ilustrasi diskritisasi model domain dalam bentuk grid beraturan (structured grid, kiri) dan grid tidak beraturan (unstructed grid, kanan), sumber laman: http://www.glerl.noaa.gov/res/ Program /ipemf/images/GLCFS_nextgen_ sidef1.jpg. (Chen et al., 2006)
4. Penggunaan model laut untuk hidrografi data di beberapa Negara Umumnya, model laut yang dikembangkan beberapa negara maju bertujuan untuk memprediksi parameter-parameter oseanografi dan meteorologi. Hasil model tersebut diintegrasikan dengan hasil observasi atau survei sehingga terbentuk sistem informasi (kebanyakan dalam bentuk digital) navigasi yang mudah digunakan oleh user. Beberapa negara yang sudah memiliki program atau sistem antara lain adalah Amerika Serikat, Inggris, Jerman, Jepang, dan Kanada.
Operasional Forescast System (Amerika Serikat); (https://tidesandcurrents.noaa.gov/models.html, Akses 28 Juni 2016) Pemanfaatan hasil prediksi model di Amerika Serikat dikembangkan dan dikelola oleh The National Oceanic and Atmospheric Administration (NOAA). Programnya dikenal dengan nama Operational Nowcast and Forecast Hydrodynamic Model Systems (OFS). Sistem OFS terintegrasi
antara prediksi model hidrodinamika laut dan observasi untuk berbagai sistem perairan di Amerika Serikat, seperti pesisir dan laut, serta sungai.
Tujuan NOAA membangun sistem ini adalah untuk mendukung penyediaan prediksi data oseanografi dan meteorologi (muka air laut, arus, salinitas, temperatur dan gelombang laut). Selanjutnya sistem disebarluaskan dan digunakan oleh user. Sistem prediksi dibagi menjadi dua: ‘saat ini’ (nowcast) dan ‘yang akan datang’ (forecast). Sistem ini juga dapat mencakup prediksi untuk lokasi dimana data observasi belum tersedia. OFS telah diimplementasikan di beberapa perairan yang dimanfaatkan secara aktif. Berikut beberapa perairan dengan sistem yang telah berjalan: Chesapeake Bay Operational Forecast System (CBOFS, Gb. 5), Delaware Bay Operational Forecast System (DBOFS), Northern Gulf of Mexico Operational Forecast System, Lake Erie Operational Forecast System (LEOFS), Lake Michigan Operational Forecast System (LMOFS), dan Columbia River Estuary Operational Forecast System (CREOFS).
Gambar 5. Prediksi kecepatan arus permukaan (knot) (kiri) dan temperatur (F) (kanan) yang disimulasikan dari model CBOFS (https://tidesandcurrents.noaa.gov/ofs/cbofs/cbofs.html) di perairan Chesapeake. Model disimulasikan dengan menggunakan input data oseanografi dan meteorologi dari hasil observasi terkini dan analisis data lampau, (Akses 28 Juni 2016).
The operational model system (Jerman); (http://www.bsh.de/en/Marine_data/Forecasts/Prediction_models/index.jsp, Akses 28 Juni 2016) Untuk memenuhi prediksi kondisi fisik laut di Laut Utara (North Sea) dan Laut Baltik pemerintah Jerman menggunakan simulasi model laut yang dikelola oleh Bundesamt für Seeschifffahrt und Hydrographie (BSH, Federal Maritime and Hydrographic Agency of Germany). Dari sistem ini diperoleh data prediksi harian muka air, arus, temperatur, salinitas, dan kondisi es laut.
Pengembangan sistem ini juga didukung oleh beberapa institusi nasional lainnya, seperti: badan keselamatan laut (the Central Command for Maritime Emergency Germany) dan badan pengamanan laut (the German Navy or the Deutsche Gesellschaft zur Rettung Schiffbrüchiger). Data-data hasil model tersedia dalam bentuk gambar, tabel dan file; user dapat dengan mudah mengunduh atau melihatnya secara online, Gb. 6.
Sungai Elbe
North Sea
Gambar 6. Prediksi kecepatan arus permukaan (cm/det) setiap jam di Sungai Elbe (kiri) dan di North Sea (kanan), disimulasikan untuk tanggal 24 Juni 2016 jam 8 am (Sungai Elbe) dan 30 Juni 2016 dengan jam yang sama, sumber laman: http://www.bsh.de/aktdat/modell/stroemungen/ Modell1e.htm, (Akses 28 Juni 2016).
Operational Ocean Forecasting (Inggris); (http://www.ncof.co.uk/Operational-Ocean-Forecasting.html, Akses 28 Juni 2016) Sistem operasional prediksi laut di Inggris ini adalah bagian dari The National Centre for Ocean Forecasting (NCOF). Lembaga ini merupakan gabungan dari berbagai institusi penelitian terkait iklim dan kelautan: the Met Office, the Reading University/ESSC, Plymouth Marine Laboratory, Cefas, dan the National Oceanography Centre. NCOF menggabungkan para ahli dari berbagai institusi tersebut untuk mengembangkan dan mengelola pusat operasional oseanografi di Inggris. NCOF menyediakan operasional prediksi dan observasi untuk perairan global dan secara khusus perairan pantai di Inggris. Terdapat dua program besar yang dikelola oleh NCOF: Operational
Ocean Forecasting dan Operational Ocean Observing. Operational Ocean Forecasting adalah program yang menggabungkan informasi dari satelit dan sistem pengukuran laut global.
Model laut yang dikembangkan di NCOF dibagi berdasarkan lokasi dan parameter yang dikaji, yaitu model pesisir dan laut, perairan laut dalam, ekosistem, gelombang, dan model badaigelombang. Model-model ini menghasilkan prediksi dari: gelombang, pasang surut, dan arus laut, serta distribusi temperatur, salinitas dan komponen biologi laut. Selanjutnya hasil model tersebut digunakan untuk memprediksi dan memonitor kondisi laut secara global dan lokal perairan Inggris. Data yang tersedia mencakup data 24 jam perhari dan 365 hari selama setahun (Gb. 7).
Gambar 7. Prediksi elevasi (m) dan kecepatan arus permukaan (m/det) setiap jam di perairan pantai Inggris (kiri) dan “zooming” untuk Selat Inggris (English Channel) tanggal 22 Juli 2014 jam 5 sore, sumber laman: http://www.ncof.co.uk C o a s t a l - S e a s -Forecast.html#forecastsTab, (Akses 28 Juni 2016)
OceanDIVA – Ocean Data Intercomparison and Visualization Application (Inggris); (http://www.resc.rdg.ac.uk/projects/oceandiva.php, Akses 12 Juli 2016) Sekarang, aplikasi OceanDIVA telah diimplementasikan di pusat riset Universits Reading di Inggris. Aplikasi web berbasis java ini menggabungkan data-data laut hasil observasi dan keluaran model laut. Kemudian perbandingan antara data hasil observasi dan model disajikan dalam bentuk data visualisasi yang dengan mudah diaplikasikan di Google earth atau aplikasi global virtual bebas akses lainnya (Gemmell, dkk., 2009).
Keunggulan aplikasi oceanDIVA adalah sumber data masukan bisa diakses dari data server lokal dan data worldwide yang dapat diakses bebas. Data hasil simulasi model dan observasi lalu
dibandingkan. Proses perbandingan tersebut dilakukan dengan membandingkan secara visual (perbedaan warna) berdasarkan lokasi data observasi. Jika user tertarik pada salah satu lokasi, maka mereka dapat mengklik ikon pada aplikasi, dan kemudian aplikasi akan memproses dan menampilkan plot data (temperature, salinitas, arus) terhadap kedalaman (Gbr. 8).
Gambar 8. (kanan) salinitas terhadap kedalaman S(z) dan (kiri) salinitas terhadap temperatur S(T), hasil perbandingan antara model dan observasi di Laut Atlantik Utara pada bulan Januari 2004. Hasil model yang digunakan adalah control simulation model NEMO dan observasi berasal dari data set ENACT/ENSEMBLES. Distribusi geospasial dari data-data tersebut divisualisasikan di aplikasi Google Earth. Pin berwarna hijau menunjukkan perbedaan salinitas yang kurang dari 0.1 PSU, pin berarna merah menunjukkan perbedaan salinitas yang lebih dari 0.4 PSU. Plot di panel bawah menunjukkan kurva salinitas terhadap temperatur (isotherm) lebih akurat dibandingkan dengan kurva salintas terhadap kedalaman (Gemmell, dkk., 2009). Aplikasi ini membaca dua data (model dan observasi) dalam bentuk file netCDF, data model berisi hasil dalam bentuk grid model format netCDF dan data survei dalam bentuk format data dari ENACT/ENSEMBLES dan Argo. Sampai saat ini baru data temperatur dan salinitas yang telah
diaplikasikan, akan tetapi akan sangat mudah menambahkan data lainnya (kandungan oksigen dan klorofil). Penggunaan data input dari sumber berbeda dan berjauhan secara remote dapat menghindari proses pengunduhan data dalam jumlah besar (Gemmel, dkk., 2009).
Oceanic Forecast (Kanada); (http://www.qc.dfo-mpo.gc.ca/iml-mli/science/activites-activities/index-eng.asp, Akses 28 Juni 2016) Prediksi data oseanografi di Teluk dan Sungai St. Lawrence, Kanada, dihasilkan oleh divisi modeling dan operasional oseanografi di the Canadian Hydrographic Service. Divisi ini merupakan bagian dari Institute Lamontagne, dan Departemen Perikanan dan Laut Kanada. Data prediksi dihasilkan dari simulasi model numerik tiga dimensi yang dipengaruhi oleh kondisi pasang surut, debit air dari Sungai St. Lawrence, kondisi atmosfer, dan perubahan dari es laut. Selanjutnya, model diverifikasi dengan membandingkan hasil prediksi dengan data hasil survei yang dilakukan oleh Departemen Perikanan dan Laut, Kanada. Parameter-parameter yang dijadikan pembanding: arus laut, elevasi, distribusi temperatur dan salinitas, serta ketebalan dan perubahan dari es laut. Data-data ini tersedia secara online dalam bentuk informasi spasial di laman: www.slgo.ca.
Tide observation and prediction system (Japan); (http://www1.kaiho.mlit.go.jp/KANKYO/TIDE/curr_pred/index_e.htm, Akses 28 Juni 2016) Sistem ini mencakup data pasang surut realtime dan prediksi kecepatan arusnya. Arus pasang surut diprediksi setiap jam di empat area: Tokyowan, Isewan, Setonaikai, Okinawa, dan Kyushu. Adapun data elevasi pasang surut realtime berasal dari 20 stasiun yang dikelola oleh Departemen hidrografi dan oseanografi Jepang (Hydrographic and oceanographic department, Japan coast guard, JCG). Semua
data
disediakan
dalam
hitungan
menit
dan
dapat
diunduh
di
laman
http://www1.kaiho.mlit.go.jp/jhd-E.html, sesuai kebutuhan user (Gb.9). Berbagai informasi (nautical chart dan panduan navigasi) bagi pengguna perairan juga disediakan secara online yang bisa dilihat dan diunduh pada laman JGC tersebut.
Gambar 9. Prediksi arus pasang surut (knot) untuk area Tokyowan (Yokosuka, Yokohama, Kawasaki, Tokyo, dan Chiba). elevasi (m) pada tanggal 29 Juni 2016 jam 8 pagi, sumber laman: http://www1.kaiho.mlit.go.jp/KANKYO/TIDE/cgi-bin/curr_pred.cgi?area=0001&br=netscapeiornowin& year=2016&month=06&day=29&hour=08&btn=Go, (Akses 28 Juni 2016)
5. Kesimpulan Pengembangan tol laut yang menghubungkan laut Indonesia timur dan barat diharapkan bisa mendukung terciptanya sistem transportasi maritim Indonesia yang efisien. Kesuksesan tol laut sendiri dapat dicapai dengan menyediakan elemen-elemen pendukung secara maksimal. Pengembangan pelabuhan, penyediaan sarana dan prasarana navigasi berhubungan erat dengan survei hidrografi. Salah satu kendala terkait pemenuhan data hidrografi saat ini adalah belum terlengkapinya prediksi data seperti pasang surut, arus dan gelombang laut yang memudahkan user.
Tulisan ini memperlihatkan bagaimana beberapa negara maju telah memiliki sistem yang mengintegrasikan antara hasil survei dan model laut untuk memenuhi kebutuhan data hidrografi. Negara-negara yang dicontohkan adalah Amerika Serikat, Inggris, Jerman, Jepang, dan Kanada. Umumnya negara tersebut sudah mengintegrasikan antara data hasil observasi dengan model laut. Data hasil integrasi dibentuk menjadi suatu sistem prediksi data hidrografi yang bisa dengan mudah dimanfaatkan oleh user.
Sistem prediksi di Amerika Serikat dibagi menjadi dua: nowcast (saat ini) and forecast (masa datang). Di lokasi-lokasi perairan yang aktif, dua kondisi tersebut dimodelkan secara terinci untuk membantu user dan memperlancar proses pelayaran. Sistem yang ada di Jepang dan Jerman, tidak jauh berbeda dengan Amerika, hanya jumlah alat observasi realtime yang tersedia relatif lebih banyak. Bahkan di Jepang terdapat dua lembaga pemerintah yang menyediakan data pasang surut realtime: the Japan Meteorological Agency (JMA) dan Japan coast guard (JCG). Untuk kasus di Inggris, sistem yang dikembangkan telah mengintegrasikan secara global, antara satelit, alat observasi yang dipasang di domain kajian, dan hasil simulasi model. Saat ini juga sedang dikembangkan EU project untuk memberikan pelayanan data yang berasal dari satelit dan teknologi angkasa lainnya bagi user secara global (http://marine.copernicus.eu). Salah satu data yang disediakan adalah data oseanografi. Pendukung program ini adalah negara-negara Eropa, yang secara teknologi telah maju.
Setelah memaparkan dan memberikan contoh terkait penggunaan model laut untuk memenuhi ketersediaan prediksi data hidrografi diharapkan memicu perkembangan yang sama di dalam negeri. Khususnya potensi-potensi pengembangan model laut baik itu oleh pemerintah maupun institusi penelitian. Sehingga akan membantu dalam pengembangan tol laut dan mensuskeskan efisiensi transportasi maritim di Indonesia.
Daftar Pustaka
Bappenas, Laporan Implementasi Konsep Tol Laut 2015-2019, Direktorat Transportasi. Jakarta, Agustus 2015, (2015).
Chen, C., R.C. Beardsley, and G. Cowles, An unstructured grid, finite-volume coastal ocean model (FVCOM) System, Oceanography 19(1):78-89, http://dx/doi.org/10.5670/oceanog.2006.92, (2006).
Gemmell, A., Smith, G., Haines, K. and Blower, J. D., Validation of ocean model syntheses against hydrogrphy using a new web application, Journal of operational Oceanography, 2 (2). pp. 29-41. ISSN 1755-8778, (2009).
International Hydrographic Organization, Hydrographic Dictionary 5th Edition, Special Publication No. 32, 1(1), International Hydrographic Bureau, Monaco, (1994).
International Hydrographic Organization, Proposal to Approve New Definition, Proceedings of 4th Extraordinary International Hydrographic Conference, 38-40, International Hydrographic Bureau. Monaco, (2009).
Kowalik, Z. and Murty, T.S., Numerical modeling of ocean dynamics, Advance Series on Ocean Engineering, (1993).
NOAA-Office
Coast
Survey,
How
Hydrodynamic
Models
Are
Used,
http://www.nauticalcharts.noaa.gov/csdl/learn_models.html, Akses 28 Juni 2016, (2016).
Poerbandono dan Djunarsjah E, Survei Hidrografi, Refika Aditama, Bandung, Indonesia, (2005).
Poerbandono, Kewenangan Pengelolaan Profesi dan Keabsahan Penyelenggaraan Informasi Hidrografi: Pengetahuan Hidrografi bagi Kedaulatan Maritim NKRI, Makalah Hari Hidrografi Dunia 2015, Seminar Hidrografi. Jakarta, 5 Agustus 2015, (2015).
Rivera, P.C., Hydrodynamic, Sediment transport and light extencion off Cape Bolinao, Philippines, Dissertation., A.A. Balkema, Rotterdam, Netherlands, (1997).
